Qwen3部署成本降至同類模型的 1/3，僅需 4 張 H20 顯卡即可運行滿血版，而性能相近的DeepSeek-R1則需要8到16張H20顯卡，顯存占用為 DeepSeek-R1 的三分之一。
2025 年 4 月 29 日凌晨，阿里巴巴通義千問正式發布并開源新一代大語言模型 Qwen3 （簡稱千問3）系列，包含 2 款混合專家（MoE）模型與 6 款密集（Dense）模型，參數量覆蓋 0.6B 至 235B。
作為國內首個支持 “思考模式” 與 “非思考模式” 的混合推理模型，Qwen3 在保持高性能的同時大幅降低部署成本，標志著中國大模型在開源領域實現對國際頂尖水平的全面超越。
Qwen3 旗艦模型 Qwen3-235B-A22B 總參數量達 2350 億，激活參數僅 220 億，憑借 MoE 架構實現 “動態資源分配”：對簡單任務啟用 “非思考模式”，可低算力 “秒級響應”；對復雜邏輯、數學推理等任務切換 “思考模式”，通過多步驟深度推理輸出結果。
這種雙模式設計使模型在效率與精度間實現平衡，在多個權威基準測試中，Qwen3展現了驚人的性能。在奧數水平的AIME25測評中，Qwen3斬獲81.5分，刷新了開源模型的紀錄；在代碼能力測試LiveCodeBench中，它突破70分大關，超越了Grok3；在模型人類偏好對齊評估ArenaHard中，Qwen3以95.6分的成績超越了OpenAI-o1和DeepSeek-R1。此外，Qwen3在GPQA、AIME24/25等測試中也表現出色，全面超越了DeepSeek-R1、OpenAI-o1等全球頂尖模型。
三大技術突破點
業界分析認為，參數量的減少并非簡單裁剪，而是通過更高效的計算方式和知識蒸餾技術實現。例如，Qwen3引入動態稀疏激活機制，僅在必要時調用關鍵參數，從而降低計算冗余。這一改進使其在資源受限場景（如移動端或邊緣設備）中更具部署潛力。
具體來看，Qwen3 的性能飛躍源于三大核心升級：
- 數據規模翻倍，覆蓋多語言與專業領域預訓練數據量從 Qwen2.5 的 18 萬億 token 擴展至 36 萬億 token，新增 119 種語言及方言支持，涵蓋 PDF 文檔解析、STEM 領域教材、代碼片段等高質量數據。通過 Qwen2.5-VL 視覺模型輔助提取文檔文本，結合 Qwen2.5-Math 與 Qwen2.5-Coder 合成數學及代碼數據，模型在專業領域的理解能力顯著增強。
- 四階段訓練流程，強化推理與響應效率通過 “長思維鏈冷啟動 - 強化學習 - 模式融合 - 通用優化” 四階段后訓練，Qwen3 實現推理能力與響應速度的深度整合。例如，30B 參數的 MoE 模型 Qwen3-30B-A3B 僅激活 3B 參數，即可達到上代 32B 密集模型的性能，部署成本降至同類模型的 1/3，僅需 4 張 H20 顯卡即可運行滿血版，而性能相近的DeepSeek-R1則需要8到16張H20顯卡，顯存占用為 DeepSeek-R1 的三分之一。
- 全場景適配，小模型實現跨級超越6 款密集模型中，4B 參數的 Qwen3-4B 可媲美 Qwen2.5-72B-Instruct適合手機端，8B 模型支持汽車端和電腦端側部署，32B 模型收到企業大規模部署的歡迎，性能超越上一代 72B 模型，形成從手機端到企業級的全場景覆蓋。
開源生態再突破：Apache 2.0 許可下的全球化布局
阿里巴巴開源了Qwen3的全部8個模型版本，包括2款MoE模型（Qwen3-235B-A22B和Qwen3-30B-A3B）以及6款Dense模型（Qwen3-0.6B、1.7B、4B、8B、14B、32B）。
Qwen3 系列模型均采用寬松的 Apache 2.0 協議開源，全球開發者可在 Hugging Face、ModelScope 等平臺免費下載商用。截至發布當日，Qwen3 在 GitHub 星標數突破 17k，刷新國內開源模型紀錄。阿里同步推出 Qwen-Agent 框架，封裝工具調用模板，降低智能體開發門檻，推動 “模型即服務” 生態落地。
值得關注的是，Qwen3 首次支持 119 種語言的多模態交互，在 BFCL 多語言評測中得分 70.8，超越 Gemini-2.5-Pro 等模型，為全球化應用提供底層支持。個人用戶可通過通義 APP 體驗 Qwen3，夸克瀏覽器也將于近期全線接入，實現 “AI 助手” 的規模化落地。
此外，Qwen3還支持通過阿里云百煉調用API服務，進一步降低了使用門檻。
重新定義大模型性價比，加速 AI 普惠
Qwen3 的開源標志著大模型進入 “高效能” 時代。阿里云表示，模型在保持高性能的同時，將推理成本降低 60%，中小企業無需高算力投入即可部署復雜 AI 應用。例如，金融行業可基于 Qwen3-32B 構建智能投研系統，教育領域可用 4B 模型開發個性化學習助手，算力門檻的降低預計推動千萬級開發者進入大模型生態。
阿里Qwen3的發布讓AI社區感到激動，有網友獻上經典Meme
“Qwen3 的‘思考預算’控制機制，讓模型能根據任務動態分配計算資源，這是邁向通用人工智能（AGI）的關鍵一步。” 阿里云智能首席技術官周靖人表示。未來，阿里計劃進一步擴展模型上下文長度至 32K，探索多模態融合與長周期推理，推動大模型從 “單一任務” 向 “復雜系統” 進化。
您可能感興趣
